Tinjauan Umum tentang Enkripsi Homomorfis Sepenuhnya (FHE) dan Aplikasinya
Meskipun pasar kripto pada tahun 2024 tidak seheboh dulu, teknologi-teknologi baru masih terus berkembang. Salah satu teknologi yang sedang kita bahas hari ini adalah “Enkripsi Homomorfis Sepenuhnya” (FHE).
Vitalik Buterin menerbitkan artikel tentang FHE pada bulan Mei tahun ini, dan disarankan bagi mereka yang tertarik untuk membacanya.
Jadi, apa sebenarnya FHE itu?
Untuk memahami istilah Fully Homomorphic Encryption (FHE), pertama-tama kita harus memahami apa itu “enkripsi”, apa yang dimaksud dengan “homomorfis”, dan mengapa harus “sepenuhnya” homomorfis.
Apa yang dimaksud dengan Enkripsi?
Kebanyakan orang sudah terbiasa dengan enkripsi dasar. Sebagai contoh, Alice ingin mengirim pesan ke Bob, seperti “1314 520”.
Jika Alice menginginkan pihak ketiga, C, untuk menyampaikan pesan tersebut dengan tetap menjaga kerahasiaannya, ia cukup mengalikan setiap angka dengan 2, mengubahnya menjadi “2628 1040”.
Ketika Bob menerimanya, dia membagi setiap angka dengan 2, mendekripsinya kembali menjadi “1314 520”.
Di sini, Alice dan Bob menggunakan enkripsi simetris untuk mengirim pesan dengan aman melalui C, yang tidak mengetahui isi pesan tersebut. Ini adalah skenario umum dalam film spionase di mana para agen berkomunikasi dengan aman.
Apa yang dimaksud dengan Enkripsi Homomorfis?
Sekarang, mari kita tingkatkan kesulitan tugas Alice:
Misalkan Alice baru berusia 7 tahun; Alice hanya mengetahui operasi aritmatika dasar seperti perkalian dengan 2 dan pembagian dengan 2.
Sekarang, Alice harus membayar tagihan listriknya sebesar $400 per bulan, dan dia berhutang selama 12 bulan. Perhitungan 400 * 12 terlalu rumit untuk Alice yang berusia 7 tahun.
Namun, dia tidak ingin orang lain mengetahui tagihan listriknya atau durasinya karena ini adalah informasi yang sensitif.
Jadi, Alice ingin meminta C untuk membantu menghitung tanpa mempercayai C.
Dengan menggunakan kemampuan aritmatikanya yang terbatas, Alice mengenkripsi angkanya dengan mengalikannya dengan 2, memberitahu C untuk menghitung 800 * 24 (yaitu, (400 * 2) * (12 * 2)).
C, orang dewasa dengan kemampuan perhitungan yang kuat, dengan cepat menghitung 800 * 24 = 19200 dan memberi tahu Alice hasilnya. Alice kemudian membagi 19200 dengan 2 dua kali untuk mengetahui bahwa ia berhutang $4800.
Contoh sederhana ini menunjukkan bentuk dasar enkripsi homomorfik. Perkalian 800 * 24 adalah transformasi dari 400 * 12, dengan mempertahankan bentuk yang sama, sehingga disebut “homomorfik.”
Metode enkripsi ini memungkinkan seseorang untuk mendelegasikan penghitungan kepada entitas yang tidak dipercaya sambil menjaga keamanan nomor sensitif mereka.
Mengapa Enkripsi Homomorfis Harus Sepenuhnya Homomorfis?
Pada kenyataannya, masalahnya tidak sesederhana di dunia yang ideal. Tidak semua orang berusia 7 tahun, dan tidak semua orang sejujur C.
Bayangkan sebuah skenario di mana C mencoba merekayasa balik angka Alice menggunakan brute force, yang berpotensi menemukan angka asli 400 dan 12.
Di sinilah Enkripsi Homomorfis Sepenuhnya berperan.
Alice mengalikan setiap angka dengan 2 dapat dianggap menambahkan noise. Jika derau terlalu kecil, C dapat dengan mudah memecahkannya.
Jadi, Alice dapat mengalikan dengan 4 dan menambahkan 8 kali, sehingga sangat sulit bagi C untuk memecahkan enkripsi.
Namun, ini masih hanya enkripsi homomorfis “parsial”:
- Enkripsi Alice hanya berlaku untuk masalah tertentu.
- Alice hanya dapat menggunakan operasi aritmatika tertentu, dan jumlah penambahan dan perkalian tidak boleh lebih dari 15 kali.
“Sepenuhnya” berarti mengizinkan Alice untuk melakukan sejumlah penjumlahan dan perkalian enkripsi pada polinomial, mendelegasikan komputasi sepenuhnya kepada pihak ketiga sambil tetap mendekripsi hasil yang benar setelahnya.
Polinomial super panjang dapat mengekspresikan sebagian besar masalah matematika, bukan hanya masalah sederhana seperti menghitung tagihan listrik.
Menambahkan lapisan enkripsi tak terbatas pada dasarnya mencegah C membongkar data sensitif, sehingga mencapai kerahasiaan yang sesungguhnya.
Dengan demikian, Enkripsi Homomorfis Sepenuhnya telah lama dianggap sebagai cawan suci dalam kriptografi.
Faktanya, sebelum tahun 2009, enkripsi homomorfis hanya mendukung enkripsi homomorfis “parsial”.
Pada tahun 2009, Gentry dan para ahli lainnya mengusulkan pendekatan baru yang membuka pintu untuk enkripsi homomorfik sepenuhnya. Pembaca yang tertarik dapat merujuk ke paper mereka untuk lebih jelasnya.
Aplikasi Enkripsi Homomorfis Sepenuhnya (FHE)
Banyak orang yang masih bertanya-tanya tentang skenario aplikasi Enkripsi Homomorfik Penuh (FHE). Di mana seseorang membutuhkan FHE?
Misalnya-AI.
Kita tahu bahwa AI yang kuat membutuhkan banyak data, tetapi sebagian besar data ini sangat pribadi. Dapatkah FHE mengatasi masalah “keduanya/dan” ini?
Jawabannya adalah ya.
Anda bisa:
- Enkripsi data sensitif Anda menggunakan FHE.
- Memberikan data terenkripsi ke AI untuk komputasi.
- AI mengeluarkan satu set ciphertext yang tidak dapat dibaca.
AI tanpa pengawasan dapat mencapai hal ini karena data pada dasarnya adalah vektor. AI, terutama AI generatif seperti GPT, tidak memahami input; AI hanya memprediksi respons yang paling mungkin terjadi.
Karena ciphertext mengikuti aturan matematika, dan Anda adalah pemilik enkripsi, maka Anda bisa:
- Putuskan sambungan dari jaringan dan dekripsi ciphertext secara lokal, seperti Alice.
- Hal ini memungkinkan AI untuk memanfaatkan kekuatan komputasinya yang sangat besar pada data sensitif Anda tanpa menanganinya secara langsung.
AI saat ini tidak dapat mencapai hal ini tanpa mengorbankan privasi. Pikirkan tentang semua yang Anda masukkan dalam teks biasa ke GPT! Untuk mencapai hal ini, FHE sangat penting.
Inilah sebabnya mengapa AI dan FHE secara alami kompatibel. Intinya adalah untuk mencapai keduanya/dan.
Karena tumpang tindihnya dengan enkripsi dan AI, FHE telah menarik minat yang cukup besar, yang mengarah ke berbagai proyek seperti Zama, Privasea, Mind Network, Fhenix, dan Sunscreen, masing-masing dengan aplikasi yang unik.
Proyek AI Privasea
Mari kita lihat satu proyek, @Privasea_ai, yang didukung oleh Binance. Whitepapernya menjelaskan skenario seperti pengenalan wajah.
Keduanya/dan: Mesin dapat menentukan apakah orang tersebut adalah orang yang nyata tanpa menangani informasi wajah yang sensitif.
Dengan menerapkan FHE, tantangan ini dapat diatasi secara efektif.
Namun, komputasi FHE di dunia nyata membutuhkan daya komputasi yang besar, karena Alice perlu melakukan sejumlah penjumlahan dan perkalian, sehingga proses enkripsi dan dekripsi menjadi sangat intensif secara komputasi.
Oleh karena itu, Privasea membangun jaringan komputasi yang kuat dan infrastruktur pendukung. Privasea mengusulkan arsitektur jaringan seperti PoW+ dan PoS untuk mengatasi masalah daya komputasi.
Baru-baru ini, Privasea mengumumkan perangkat keras PoW-nya, yang disebut WorkHeart USB, yang dapat dianggap sebagai bagian dari jaringan komputasi Privasea. Anda dapat menganggapnya sebagai rig penambangan.
Harga awalnya adalah 0,2 ETH, mampu menambang 6,66% dari total token jaringan.
Selain itu, ada aset mirip PoS yang disebut StarFuel NFT, yang dapat dianggap sebagai “izin kerja” dengan total 5.000 unit.
Dengan harga 0,2 ETH per unit, mereka dapat memperoleh 0,75% dari total token jaringan (melalui airdrop).
NFT ini menarik karena mirip PoS tetapi bukan PoS yang sebenarnya, mencoba menghindari pertanyaan apakah PoS adalah keamanan di AS.
NFT ini memungkinkan pengguna untuk mempertaruhkan token Privasea, tetapi tidak secara langsung menghasilkan reward PoS. Sebaliknya, NFT menggandakan efisiensi penambangan dari perangkat USB Anda yang terikat, sehingga menjadi bentuk PoS yang terselubung.
Kesimpulannya, jika AI dapat mengadopsi teknologi FHE secara luas, ini akan menjadi keuntungan yang signifikan bagi AI itu sendiri. Banyak negara berfokus pada keamanan dan privasi data dalam regulasi AI.
Misalnya, dalam perang Rusia-Ukraina, beberapa upaya militer Rusia untuk menggunakan AI dapat dikompromikan karena latar belakang banyak perusahaan AI yang berasal dari Amerika Serikat, yang berpotensi mengekspos operasi intelijen mereka.
Namun, menghindari penggunaan AI secara alami akan menyebabkan ketertinggalan. Meskipun kesenjangannya tidak besar saat ini, dalam 10 tahun mendatang, dunia tanpa AI mungkin tak terbayangkan.
Privasi data, mulai dari konflik nasional hingga membuka kunci wajah ponsel, ada di mana-mana dalam kehidupan kita.
Di era AI, jika teknologi FHE benar-benar matang, tidak diragukan lagi akan menjadi garis pertahanan terakhir manusia.